考虑风光储协调的配电网电压控制策略研究与开发

针对分布式风光发电在配电网中的高比例接入态势，源荷存在时空不匹配特性，导致功率倒送和节点过电压等问题，面向电网网架相对薄弱地区，开展考虑风光发电不确定性的储能的选址定容研究，实现不同运行方式下储能的优化配置；提出基于有功/无功电压控制分区的新型配电系统电压控制策略，实现配电网电压的分散式与集中式协同控制，满足高渗透率风光并网场景下的电能质量要求。

沈阳农业大学 2025-05-21

基于深度学习的光伏并网系统电能质量预测及调控策略研究

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

沈阳农业大学 2025-05-21

“加强高等教育研究，服务教育强国建设”专题研判会在京举行

由中国高等教育学会与清华大学联合主办的教育强国建设研究工作推进会5月17日在北京召开。当天下午，“加强高等教育研究，服务教育强国建设”专题研判会顺利举行。与会专家学者围绕《教育强国建设规划纲要（2024—2035年）》和三年行动计划中的重点难点问题进行分组研判。

中国高等教育学会 2025-05-19

一体式悬浮载体生物流化床处理村镇生活污水的研究

技术成熟度：理论突破 反应器采用一体式生物流化床，好氧区，投加了悬浮载体果核活性炭，形成活性污泥及生物膜的有机结合体；缺氧区，安装三相分离器及搅拌片，使泥水混合均匀，能够及时排出反硝化所产生的氮气，进而提高脱氮效率。 设备所有结构均在同一壳体内，工艺运行方式灵活，由于其运行过程中不需额外投加碳源和絮凝剂，其运行费用较低。针对我国农村污水处理面临的不易聚集处理的问题，这种单体新型污水处理设备对我国农村污水处理有着较大的实用潜力。 运用一体式生物流化床处理村镇小区生活污水，为该工艺的应用推广提供科学的运行控制参数。 针对我国农村污水处理面临的不易聚集处理的问题，这种单体新型污水处理设备对我国农村污水处理有着较大的实用潜力。

吉林建筑科技学院 2025-05-19

中国高等教育学会、清华大学联合召开教育强国建设研究工作推进会

5月17日，由中国高等教育学会与清华大学联合主办的教育强国建设研究工作推进会在北京召开。

中国高等教育学会 2025-05-19

李天来院士团队许涛课题组在Science子刊发布植物器官脱落分子机制最新研究成果

李天来院士团队许涛课题组在Science子刊发布植物器官脱落分子机制最新研究成果

沈阳农业大学 2025-05-21

沈阳农业大学特种玉米研究所选育的玉米新品种‘沈农T120’实现成果转化

沈阳农业大学特种玉米研究所选育的玉米新品种‘沈农T120’实现成果转化

沈阳农业大学 2025-05-21

京津冀协同发展背景下，软件和信息服务行业产教融合共同体构建研究与实践

京津冀三地教育融合发展逐步深化，教育改革创新与产业转型、区域发展结合更加紧密，产教融合共同体建设需要政府、高校、企业等各方努力和协作，通过搭建育人平台、构建运行机制、创新人才培养模式，推动共同体建设深入发展。天津市大学软件学院基于十余年的先行先试，围绕“更好发挥企业重要主体作用，促进人才培养供给侧和产业需求侧结构要素全方位融合”等产教融合深化课题，不断探索创新，凝练成果，创建了“需求传导明确、校企高效协同、资源集约共享”的校企协同育人组织形态，即产教融合共同体的实现路径，为高校开展产教融合、校企合作提供可复制可借鉴的经验。

天津市大学软件学院 2025-05-16

高温超导电动悬浮列车静悬试验台超导磁体的自由度控制与安全防护系统研究

技术成熟度：技术突破 1.原理：结合磁浮列车极端运行工况，充分考虑运行环境的强磁场，深入研究机-电-磁耦合机制，精确调节磁体悬浮姿态，以实现超导磁体在液氮温区（-196℃）自稳定悬浮。 2.创新点： （1）研发国产化低功耗悬浮控制模块，能耗较进口设备降低35%； （2）突破-196℃环境下多系统协同控制技术，填补国内工程化应用空白。 3.应用场景： （1）高速磁浮列车静悬试验台 （2）精密仪器运输平台 （3）航空航天地面测试装备 4.应用案例：前期开发的自由度控制系统，已被合作团队应用且效果较好。

长春工业大学 2025-05-20

锂电池管理系统AI算法研究

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

西南大学 2025-05-12